Найден способ заражать выродков - открыто недостающее звено в технологии создания социо-биологического оружия.

Сценаристы превосходного сериала «Черное зеркало» пока не догадались экранизировать вынесенный в заголовок футуро-кошмар. А ведь до возможностей его материализации немногим дальше, чем до массовых самоуправляемых авто.
Прорывной потенциал только что опубликованной в Royal Society Open Science работы троих испанских исследователей «Mixing and diffusion in a two-type population» видится мне колоссальным.

Результаты этого исследования, будучи доведенными до уровня технологии, позволят запускать сетевые ментальные (например, пропагандистские) эпидемии, не ослабляющие свой вирусный эффект из-за наличия в сети невосприимчивых к социальной заразе «инакомыслящих».

Получится что-то типа Башен-излучателей из экранизированного Бондарчуком романа Стругацких «Обитаемый остров». Только здорово усовершенствованных Башен. Так, чтобы даже «выродки» (те, на кого излучение/пропаганда не действует) не могли избежать влияния «излучения», отравляющего сознание пропагандой (и не важно какой: политической, коммерческой, моральной …)

Как это все может работать, что уже научились делать, что нового открыли испанцы и куда ведет этот техно-кошмар, я написал в своем новом посте на 9 мин. чтения
https://goo.gl/kbrmdc

#Инфокаскады #СоциальныеСети #СоциальноеЗаражение #Инакомыслящие

Новая социально-сетевая социология опросов не только точнее традиционной. Она способна свести к нулю выборные сюрпризы.

Только что опубликованы результаты «секретного» исследования группы ученых под руководством Мирты Галесич (называю его «секретным», поскольку о нем до сих пор не сообщалось из-за проведения проверки работоспособности его методики на президентских выборах в США 2016 и Франции 2017) «Вопросы о социальном окружении улучшают выборные прогнозы».

Результаты исследования подтвердили – учет «социального взаимовлияния»:
- ощутимо улучшает прогнозы результатов выборов;
- позволяет прогнозировать сюрпризы: как на уровне индивидуальных предпочтений, так и на уровне отдельных регионов (как это было в ряде штатов США);
- принципиально дополняет «формулу выборов» (см. мой пост «Открыта формула победы на выборах») возможностью прогнозировать явку избирателей (без которой невозможно предсказать итог выборов).


Т.о. мир стал на шаг ближе к превращению прогнозирования выборов в науку путем междисциплинарной синергии теории сложных систем, социологии и социальной психологии.

Об этом я написал в новом посте на 5 мин чтения https://goo.gl/3Q9mUT

#Выборы #Поведение #СоциальныеСети #Прогнозирование

Взгляните сами на триумф лжи над правдой в социальных медиа
https://d2ufo47lrtsv5s.cloudfront.net/content/sci/359/6380/eaat4382/F1.medium.gif
Заполняющий пространство солнцеподобный объект – это инфокаскад (иерархия ретвитов) распространяющейся фейковой новости. Маленький зелененький (так и хочется сказать – кузнечик) объектик, которого скоро не станет (он потухнет в лучах фейкового солнца) – настоящая важная новость.
Единственный способ понять, как ложь убивает правду в медиапространстве – визуализировать инфокаскады.
Понять - означает ответить на вопросы:
1) кто это сделал?
(ответить на этот вопрос не очень сложно, и можно даже обойтись без визуализации)
2) как это сделано?
(вопрос посложнее, и здесь визуализация здорово помогает)
3) почему это произошло?
(самый важный и трудный вопрос, для ответа на который визуализация незаменима)

Ответить на все 3 вопроса без человека, машина пока не умеет. А с человеком может (в пандан вчерашнему посту о кентаврах 🤗)

Нет время читать, так хоть взгляните хотя бы картинки кавер стори нового выпуска Science «Визуализация распространения правдивых и лживых новостей в социальных медиа» https://goo.gl/tcburf
— Новый 3D симулятор/визуализатор инфокаскадов позволяет ответить на 3 вышеназванных ключевых и массу вспомогательных вопросов касательно происхождения и динамики инфокаскадов.

В том же номере:
— «Наука о фейковых новостях» https://goo.gl/9w2ADa
Чтобы мир не утонул во лжи, необходимо глобальное перепроектирование медиапространства и создание новостной экосистемы и культуры, мотивированных ценить и пропагандировать правду.
— «Распространение истинных и ложных новостей в Интернете» https://goo.gl/GhYyjM
Фейковые новости забивают правдивые почти что в ноль. ТОР 1% фейковых новостных каскадов достигают от 1000 до 100 000 человек, тогда как истина редко распространяется более чем на 1000 человек. Ложь также распространяется быстрее, чем правда. Причина наблюдаемых различий – кажущаяся степень новизны новости и эмоциональные реакции получателей.

✔️ Способны ли мы сделать правдивые новости более притягательными, чем фейковые?
✔️ Или это без вариантов – и новость о человеке, укусившем собаку, непобедима?

P.S. Предыдущие посты на тему фейков (т.к. тэгов раньше в канале не писал) ищите с помощью поисковой строки «фейковые»

#ФейковыеНовости #СоциальныеСети

Кривое зеркало дереализации мира
Соцсети множат раскол, искажая наши представления о мире.

Такой вывод можно сделать из результатов тестирования новой и довольно революционной когнитивно-сетевой модели формирования социальных убеждений.

Из результатов тестирования новой модели можно вывести следующую логическую цепочку:
1) современный человек – это уже не человек-разумный, а человек-сетевой, ибо социальные убеждения влияют на его жизнь, как минимум, не меньше, чем вся сумма полученных в школе знаний;
2) всё более важную роль в формировании убеждений человека-сетевого играют соцсети, уже превосходящие по силе влияния на индивида совокупное влияние «малого физического мира» - родных, друзей, знакомых и коллег;
3) ключевое отличие соцсетей от «малого физического мира» в том, что соцсетями жестко правит сетевая гомофилия (согласно которой похожий по взглядам на вас человек имеет бОльшую вероятность стать и остаться вашим френдом, чем непохожий), в физическом мире также работающая, но совсем не так строго;
4) сетевая гомофилия – мощнейший источник возникновения представлений о «ложном консенсусе» (типа, 80%+ за «крымнаш» или все реднеки за Трампа) и прочих проявлений искаженного восприятия «большого физического мира» (в психиатрии подобный эффект называется дереализация);
5) массовые представления о «ложном консенсусе» - мощнейший усилитель раскола в обществе.

Но самое неприятное (если не сказать страшное) в том, что:
✔️ представления о консенсусе (как следует из его названия) – ложные, т.е. консенсус видится там, где его, на самом деле, может и не быть;
✔️ с нарастанием идет процесс искажения массовых социальных представлений о «большом мире», возникающий из-за ложного переноса индивидом представлений о своем «малом сетевом мире» на «большой физический мир».

Отчет о результатах исследования A Sampling Model of Social Judgment (руководитель работ - Мирта Галесич) https://goo.gl/g6pTMe

N.B.
А) Помимо «ложного консенсуса», не столь сильное, но весьма ощутимое влияние на социальные убеждения также играют ощущения «ложной уникальности», «самопереоценки» и «самоуничижения» (подробней в работе Галесич и Ко)

Б) Для лучшего («стереоскопического») понимания важности новой модели и выводов из ее тестирования, стоит взглянуть:
— предыдущую работа Галесич на эту тему - о новой социально-сетевой социологии https://goo.gl/3Q9mUT
— два моих поста:
— о поляризации раскола в политических пристрастиях https://goo.gl/th4Rwg
— о расколе в неполитических представлениях о мире (экономика, образование, история, искусство, технологии) https://goo.gl/nmGeGr

#СоциальныеСети #PublicOpinion #Polarization #Раскол

Найден оптимальный алгоритм выявления «скрытых пружин» в устройстве общества.

На основе данных о коммуникации людей в любой социальной сети (онлайновой, типа ФБ, или офлайновой – в реальной жизни) можно выявить скрытую иерархическую структуру среди участников сетевых коммуникаций. Это делается путем анализа асимметричных моделей взаимодействий участников.
Подобные иерархии существуют в любых социальных группах: от птиц, приматов и слонов до людей. Все эти группы организованы в соответствии с иерархиями доминирования, определяющими модели повторяющихся взаимодействий, при которых доминирующие особи склонны утверждать себя над менее влиятельными членами групп.

Чем больше и сложнее сеть участников социальных взаимодействий, тем больше в нем скрытых иерархий, порою неведомых самим участникам коммуникаций.
Выявление архитектуры таких иерархий – критически важная задача для:
- понимания характера существующих и предсказания возникновения новых иерархий;
- увязки этих иерархий со «струями и течениями» социальных взаимодействий;
- оказания влияния на них в целях управления динамикой социальных коммуникаций.
Т.е. в наше время, - это важнейшая задача для социологов, политтехнологов, спецслужб и СМИ.

Поскольку задача столь важная, то для ее решения уже разработаны несколько подходов, в каждом из которых построено по несколько типов алгоритмических моделей и, соответственно, алгоритмов выявления иерархий.
Алгоритмов много, но их производительность и масштабирование до последнего времени оставляли желать лучшего.

Новая прорывная модель и алгоритм SpringRank навеяны элементарной физической аналогией – представить социальную сеть коммуникаций, как физическую систему, в которой между каждой парой участников натянута ориентированная пружина определенной длины и упругости.
Гениальная идея нового алгоритма - минимизировать общую энергию всех пружин системы. И поскольку эта задача оптимизации требует только линейной алгебры, ее можно решить для сетей с миллионами узлов и ребер за считанные секунды.


Натурные испытания алгоритма SpringRank на синтетических и реальных наборах данных (включая данные о поведении животных, найме преподавателей, сетях социальной поддержки и спортивных турнирах) показали замечательные результаты – алгоритм жутко эффективен, как по скорости, так и по масштабируемости.

Он также может выявлять и предсказывать появление ненаблюдаемых ребер в сети, - так сказать выявлять «скрытые пружины», влияющие на поведение общества.

Принципиальное преимущество SpringRank перед прежними алгоритмами в том, что
- старые алгоритмы, как правило, лишь «выявляют элиту» - дают высокие ранги небольшому числу важных узлов, что дает мало информации об иерархии узлов с более низким рейтингом;
- новый алгоритм выявляет всю многоуровневую иерархию, - и в том числе, латентную: неявную, скрытую и неочевидную.

Новый алгоритм, возможно, произведет революцию в т.н. «системах одобрения» (Systems of Endorsement ), в которых статус участников обусловлен престижем, репутацией или социальным положением.
К ним, в той или иной мере, относится почти все: от рекомендательных систем в Интернете, до социального устройства общества.

Подробней см. только что опубликованную работу «A physical model for efficient ranking in networks» http://advances.sciencemag.org/content/4/7/eaar8260

#СоциальныеСети #СоциальнаяИерархия #МоделиАлгоритмы

Данбар не прав
Оптимальное число постоянных социальных связей оказалось иным

Чтобы превзойти физические ограничения каждой особи, природа придумала объединять их в социальные группы. Вместе они могут добиваться невозможного для каждого по отдельности.
Однако индивидуальные возможности поддержания стабильных социальных отношений ограничены физически. Особь просто не в состоянии эффективно поддерживать социальные связи в группе из более 150 особей. Это и есть знаменитое Число Данбара, про которое сейчас столько увлекательного написано: от антропологов до Малькольма Глэдвелла в его «Переломном моменте», что вы, наверняка, массу всего про это читали. А суть в том, что оптимальное число постоянных социальных связей лежит в диапазоне от 100 до 230 и чаще всего считается равным 150.

Новость же в том, что Данбар оказался не прав. Точнее, его модель зависимости между развитием неокортекса и размером стаи слишком упрощена.
Новое фантастически интересное исследование структуры социальных отношений через призму сетевой науки дало прорывной результат. Авторы придумали более сложную, но зато куда более точную модель: размер группы – это компромисс между позитивным эффектом повышения возможностей передачи информации при росте размеров группы и негативным эффектом повышения возможностей передачи любого рода патогенов (как биологических, так и информационных).
Результаты моделирования на этой модели были проверены на реальных сообществах приматов и показали:
1) Эффективность социальных отношений (с учетом как позитивного, так и негативного эффектов) меняется нелинейно.
2) Она растет с увеличением численности в малых группах (до 13), достигает максимального значения в средних группах (> 13, но <89, среднее - 51), а потом падает (в группах 89+).
Т.е. оптимальное число постоянных социальных связей лежит не в диапазоне 100-230 (по Данбару), а в диапазоне 14-88.
3) Все это связано с влиянием модулярности (возникновение более мелких групп – семья, близкие друзья и т.д.) и такими нетривиальными поведенческими драйверами, как непотизм (более высокая толерантность в «своим») и деспотизм (агрессивность, направленная на повышение своего уровня в иерархии)

Так что теперь есть куча новой работы по пересмотру эффективной организации социальных взаимодействий от антропологов и аналитиков соцсетей до спецов по маркетингу и психологов бизнеса.
И все потому, что распространение заразы при социальных взаимодействиях оказалось не менее важным и действенным, чем распространение полезной информации, навыков и знаний.
Теперь понятно, почему современный медиа-мир помешался на фейк-ньюс.

Статья «Social transmission in networks: global efficiency peaks with intermediate levels of modularity»
https://link.springer.com/article/10.1007%2Fs00265-018-2564-9
(скайхаб вам в помощь, но FYI статья довольно сложная)

#СоциальноеЗаражение #СоциальныеСети #СоциальнаяИерархия